MétaCan
Menu
Retour à la cohorte
Enregistrement W4245103642 · doi:10.33423/jabe.v22i7.3250

Microplastics in Agricultural Soils: A New Challenge Not Only for Agro-environmental Policy?

2020· article· en· W4245103642 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Applied Business and Economics · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicroplasticsAgricultureArable landEnvironmental sciencePlastic pollutionSoil waterEnvironmental protectionFood chainPollutionEnvironmental planningBusinessEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Microplastic pollution has recently gained the attention of the public media, politics and research. Microplastics (i.e., plastic particles less than 5mm in size) have been identified as a global environmental threat for terrestrial and aquatic ecosystems and human health. Agriculture is assumed to be both victim and polluter. Agricultural soils receive microplastic immissions from tire wear and fragmented macroplastic that enters the environment through littering. Furthermore, farmers who fertilize their arable land with sewage sludge and compost unintentionally apply the microplastic particles contained in these biosolids. On the other hand, agricultural soils may emit microplastics into aquatic environments. Because of this ambivalent position as both victim and polluter, the information on microplastic pollution is of current interest for agricultural production and might become a relevant topic for agro-environmental policies in the future. Our research aims to quantify the microplastic immissions into agricultural soils and emissions from agricultural soils into aquatic systems. We use different analysis approaches and interdisciplinary modelling to address these aims for two case studies in Germany. Because research in microplastics is a relatively new concern, we combine different methodological approaches in a complementary way.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0050,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,178
Écart entre enseignants0,166 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Business and EconomicsMême sujetMicroplastics and Plastic PollutionTravaux en français237 207